1.2 依赖

本节大纲

• NumPy
• python-dateutil
• pytz
• tzdata
• 可选依赖：pyarrow、openpyxl、xlrd、lxml、html5lib、BeautifulSoup4、tables、SQLAlchemy、matplotlib、scipy、bottleneck、numba

1. 必需依赖

1.1 NumPy

• 作用：pandas 的底层数组计算库，所有数值计算、存储和广播操作都基于 NumPy。
• 版本：pandas 2.3.3 要求 NumPy >= 1.26.0（或更高，取决于 Python 版本）。
• 交互：
  • DataFrame.values 返回 NumPy 数组。
  • 许多 pandas 函数接受 NumPy 函数作为参数（如 df.apply(np.sum)）。
  • pandas 的 ExtensionArray 与 NumPy 数组可互操作。
• 性能：pandas 通过 NumPy 的向量化操作实现高性能。

1.2 python-dateutil

• 作用：提供日期解析和时间处理功能，用于 pd.to_datetime() 等函数。
• 关键模块：dateutil.parser、dateutil.relativedelta。
• 应用：
  • 自动推断日期格式（pd.to_datetime('2024-01-01')）。
  • 支持相对时间差（如 pd.DateOffset(months=1)）。
• 注意：安装 pandas 时会自动安装，无需单独处理。

1.3 pytz

• 作用：提供时区数据库，用于处理带时区的时间数据。
• 应用：
  • pd.Timestamp('2024-01-01', tz='US/Eastern') 依赖 pytz。
  • Series.tz_localize('UTC') 和 Series.tz_convert('Asia/Shanghai')。
• 注意：pandas 也支持 zoneinfo（Python 3.9+），但 pytz 仍被广泛使用。

1.4 tzdata

• 作用：IATA 时区数据库的 Python 包，为 pytz 或 zoneinfo 提供时区规则数据。
• 重要性：某些系统（如 Windows）缺少系统时区数据库，tzdata 确保时区转换正确。
• 典型场景：在 Docker 等精简环境中，没有 /usr/share/zoneinfo 时，tzdata 提供时区信息。

2. 可选依赖

可选依赖不是安装 pandas 时自动安装，但某些功能需要它们。可以通过 pip install pandas[extra] 或单独安装。

依赖	功能	用途说明
pyarrow	Parquet、Feather、Arrow 内存格式	read_parquet()、to_parquet()、read_feather()、to_feather()，以及 dtype_backend='pyarrow' 高性能字符串和数据类型。
openpyxl	Excel 读写（.xlsx）	read_excel() 和 to_excel() 的默认引擎之一，支持样式、公式等。
xlrd	旧版 Excel（.xls）读取	支持 .xls 文件（xlrd 2.0+ 仅支持 .xls，不再支持 .xlsx）。
lxml	HTML/XML 解析	read_html() 的解析引擎之一，速度快、容错好。
html5lib	HTML5 解析	严格遵循 HTML5 规范，速度较慢但兼容性最好。
BeautifulSoup4	HTML/XML 解析	与 lxml 或 html5lib 配合使用，提供更灵活的解析。
tables	HDF5 文件	read_hdf()、to_hdf()、HDFStore，用于高效存储大规模数据。
SQLAlchemy	SQL 数据库连接	read_sql()、to_sql() 需要 SQLAlchemy 引擎。
matplotlib	可视化	DataFrame.plot()、Series.plot() 等绘图功能。
scipy	科学计算扩展	某些统计函数（如 df.kurt() 的某些算法）需要 SciPy。
bottleneck	加速统计计算	替换 NumPy 的 nan 处理函数，提升 sum、mean 等性能。
numba	JIT 编译加速	通过 pd.options.compute.use_numba 启用，加速 apply、rolling 等操作。

安装建议

• 完整安装：pip install pandas[all] 会安装所有可选依赖（可能体积较大）。
• 按需安装：

  pip install openpyxl         # Excel
  pip install pyarrow          # Parquet/Arrow
  pip install sqlalchemy       # SQL
  pip install matplotlib       # 绘图

提示

使用 pd.show_versions() 可以查看哪些可选依赖已安装。